庞玉栋

re正则模块详解

发布时间:3年前热度: 1022 ℃评论数:

re正则表达式是一种工具,和其他工具一样,它是人们为了解决某一类专门的问题而发明的。想要理解正则表达式及其功用。最好的办法是了解他们可以解决什么样的问题

正则表达式的主要用途之一是搜索变化多端的文本,比如,搜索以http开头的 以句号等空白字结尾的字符串 


import re
 
text = "The Attila the Hun Show"
 
# a single character 单个字符
m = re.match(".", text)
if m: print repr("."), "=>", repr(m.group(0))
 
# any string of characters 任何字符串
m = re.match(".*", text)
if m: print repr(".*"), "=>", repr(m.group(0))
 
# a string of letters (at least one) 只包含字母的字符串(至少一个)
m = re.match("\w+", text)
if m: print repr("\w+"), "=>", repr(m.group(0))
 
# a string of digits 只包含数字的字符串
m = re.match("\d+", text)
if m: print repr("\d+"), "=>", repr(m.group(0))
 
*B* '.' => 'T'
'.*' => 'The Attila the Hun Show'
'\\w+' => 'The'*b*
```
可以使用圆括号在模式中标记区域. 找到匹配后, ``group`` 方法可以抽取这些区域的内容,

如 [Example 1-55 #eg-1-55] 所示. ``group(1)`` 会返回第一组的内容, ``group(2)``

返回第二组的内容, 这样... 如果你传递多个组数给 ``group`` 函数, 它会返回一个元组

使用 re 模块抽出匹配的子字符串

import re
 
text ="10/15/99"
 
m = re.match("(\d{2})/(\d{2})/(\d{2,4})", text)
if m:
    print m.group(1, 2, 3)
 
*B*('10', '15', '99')*b*
```
 
``search`` 函数会在字符串内查找模式匹配, 如 [Example 1-56 #eg-1-56] 所示.
它在所有可能的字符位置尝试匹配模式, 从最左边开始, 一旦找到匹配就返回一个匹配对象.
如果没有找到相应的匹配, 就返回 //None// .
 
====Example 1-56. 使用 re 模块搜索子字符串====[eg-1-56]
 
```
File: re-example-3.py
 
import re
 
text = "Example 3: There is 1 date 10/25/95 in here!"
 
m = re.search("(\d{1,2})/(\d{1,2})/(\d{2,4})", text)
 
print m.group(1), m.group(2), m.group(3)
 
month, day, year = m.group(1, 2, 3)
print month, day, year
 
date = m.group(0)
print date
 
*B*10 25 95
10 25 95
10/25/95*b*
```

使用 re 模块替换子字符串

import re
 
text = "you're no fun anymore..."
 
# literal replace (string.replace is faster)
# 文字替换 (string.replace 速度更快)
print re.sub("fun", "entertaining", text)
 
# collapse all non-letter sequences to a single dash
# 将所有非字母序列转换为一个"-"(dansh,破折号)
print re.sub("[^\w]+", "-", text)
 
# convert all words to beeps
# 将所有单词替换为 BEEP
print re.sub("\S+", "-BEEP-", text)
 
*B*you're no entertaining anymore...
you-re-no-fun-anymore-
-BEEP- -BEEP- -BEEP- -BEEP-*b*
```
 
你也可以通过回调 (callback) 函数使用 ``sub`` 来替换指定模式.
[Example 1-58 #eg-1-58] 展示了如何预编译模式.
 
====Example 1-58. 使用 re 模块替换字符串(通过回调函数)====[eg-1-58]
 
```
File: re-example-5.py
 
import re
import string
 
text = "a line of text\\012another line of text\\012etc..."
 
def octal(match):
    # replace octal code with corresponding ASCII character
    # 使用对应 ASCII 字符替换八进制代码
    return chr(string.atoi(match.group(1), 8))
 
octal_pattern = re.compile(r"\\(\d\d\d)")
 
print text
print octal_pattern.sub(octal, text)
 
*B*a line of text\012another line of text\012etc...
a line of text
another line of text
etc...*b*
```
如果你不编译, ``re`` 模块会为你缓存一个编译后版本, 所有的小脚本中,

通常不需要编译正则表达式. Python1.5.2 中, 缓存中可以容纳 20 个匹配模式, 而在 2.0 中,

缓存则可以容纳 100 个匹配模式

使用 re 模块匹配多个模式中的一个

import re, string
 
def combined_pattern(patterns):
    p = re.compile(
        string.join(map(lambda x: "("+x+")", patterns), "|")
        )
    def fixup(v, m=p.match, r=range(0,len(patterns))):
        try:
            regs = m(v).regs
        except AttributeError:
            return None # no match, so m.regs will fail
        else:
            for i in r:
                if regs[i+1] != (-1, -1):
                    return i
    return fixup
 
#
# try it out!
 
patterns = [
    r"\d+",
    r"abc\d{2,4}",
    r"p\w+"
]
 
p = combined_pattern(patterns)
 
print p("129391")
print p("abc800")
print p("abc1600")
print p("python")
print p("perl")
print p("tcl")
 
*B*0
1
1
2
2
None*b*
```


模块,详解

手机扫码访问